分子对接结合能：Vina Score到MM/PBSA的精度跃迁与能量拆解的本质差异

分子对接结合能——做完对接后输出的那个数字——你以为它是”结合能”，实际上它连结合能的物理单位（kcal/mol）对应的物理含义都和真正的结合自由能不一样。AutoDock Vina的score是经验打分函数，MM/PBSA是建立在MD轨迹上的隐式溶剂自由能估算，TI/FEP是严格统计力学框架下的精确自由能计算。三者之间的精度跨度覆盖两个数量级——从”大致趋势”到”定量预测”。不理解这个差距，就可能在筛选中把该留下的分子扔掉、把该淘汰的分子留下。

Vina Score的物理实质

Vina的score函数是6个加权项的组合：gauss1（空间位阻）、gauss2（疏水作用）、repulsion（近程排斥）、hydrogen（氢键）、hydrophobic（疏水接触）、num_tors（可旋转键惩罚）。每一项权重通过对PDBbind数据库（约19400个蛋白-配体复合物）的拟合得来。

这个score的物理含义不是结合自由能，而是”配体在这个构象下与受体的经验亲和力评分”。换算关系是Vina score（单位kcal/mol）可以直接当做”预测的结合亲和力”来看，但误差范围在±2-3 kcal/mol——对应结合常数Kd约2-3个数量级的误差。团队在30个已知Kd值的体系上做过Vina score vs 实验ΔG的回测，Pearson r≈0.56，RMSE≈2.8 kcal/mol。这个精度足够区分”μM级”和”mM级”，但不足以区分”50 nM”和”100 nM”——而后者恰好是先导化合物优化的核心问题。

MM/PBSA的物理模型

分子对接结合能的精度提升靠MM/PBSA（分子力学-泊松玻尔兹曼表面积法）。原理是把结合自由能拆成四项：ΔG_bind = ΔE_MM + ΔG_PB(或GB) + ΔG_SA – TΔS_conf。

ΔE_MM是气相分子力学能量（键、角、二面角、范德华、静电），ΔG_PB是泊松-玻尔兹曼方程求解的静电溶剂化自由能（或GB的广义波恩近似），ΔG_SA是非极性溶剂化自由能（和溶剂可及表面积成正比），TΔS_conf是构象熵（通常用简正模分析估算）。

MM/PBSA在团队手上的CDK2筛选项目中给出过直接的价值验证：Vina top 20中，8个分子MM/PBSA预测的ΔG在-8到-12 kcal/mol（对应nM级结合），6个分子在-5到-7 kcal/mol（μM级），6个分子大于-5 kcal/mol（弱结合或无结合）。后续的实验验证中，8个强预测中有7个真在nM级（87.5%准确率），6个弱预测中5个确实弱（83.3%）——这是Vina score单一判据做不到的精度。

两个关键注意事项

MM/PBSA计算有两个操作细节经常被跳过但对结果影响巨大。第一：溶剂探针半径（probe radius）默认1.4 Å对应水分子半径，但如果口袋内有深层结合的水分子网络（CDK2就有约15个保守水），用2.0 Å的探针半径（近似双水层）得到的结果和实验一致性更好。

第二：介电常数ε_in的设定。蛋白内部的ε=2-4（实验上蛋白内部的介电响应确实是这个量级），水的ε_out=80。把ε_in设为1（真空）会让蛋白内部的静电相互作用被严重高估，从而放大极性残基的贡献——对于口袋深处以疏水作用为主的配体结合，这会系统性地压低ΔG（看起来很”强”但实际上不对）。团队的标准设置是ε_in=4（中度极性蛋白环境），ε_out=80（水）。

什么时候用哪个层级

分三层策略。虚拟筛选初筛阶段（>1000个分子），Vina score是最实用的选择——速度快、有趋势判断力。精筛阶段（top 100-200），用MM/PBSA做结合自由能排序——精度提升一个数量级。先导化合物优化阶段（<10个分子，需要精确的官能团取代的相对结合自由能），TI/FEP——精度在±1 kcal/mol以内，足以区分甲基→乙基的取代效应。

分子对接结合能这个领域有一条铁律：精度和计算量成正比，也和”这个数字能用来做什么决策”成正比。Vina score告诉你哪些值得看，MM/PBSA告诉你哪些值得继续跟，FEP告诉你哪个取代基更好——三层递进，各司其职。

更多内容请访问 https://www.keyanxueshu.com/